圖書信息
作 者：張雨濃，楊逸文，李巍 著
出 版 社：中山大學出版社
出版時間：2010-10-1版 次：1
頁 數：217
印刷時間：2010-10-1
開 本：16開
紙 張：膠版紙
印 次：1
I S B N：9787306037473
包 裝：平裝
內容簡介
人工神經網絡(ArtificialNeuralNetworks，ANN)是模擬生物神經系統的組織結構、處理方式和系統功能的簡化人工系統；是一門涉及面廣、綜合性強、有半個多世紀研究歷史的跨領域交叉學科，涉及自動化、電子工程、計算機科學、數學、統計學、神經生物學、心理思維科學等眾多相關學科；由於其並行計算、分散式存儲、高度容錯、非線性自適應處理能力等顯著特點，在模式識別、智慧型控制、組合最佳化、系統辨識與預測以及智慧型信息處理等領域都得到廣泛的成功套用。20世紀80年代中期以來，人工神經網路(簡稱“神經網路”)研究不斷地湧現出新的熱潮，我國學術界也開始更深入地關注和引領該領域的研究與發展。近20年來，神經網路的理論研究和實際套用在許多領域取得了顯著的進展，在國內外都進入了一個蓬勃發展的好時期。
在神經網路理論日漸成熟，它的套用逐漸擴大和深入的形勢下，如何把握神經網路新的研究方向，向讀者以及廣大神經網路研究者介紹神經網路系統理論的最新發展，成為神經網路教科工作者面臨的一大挑戰。本書系統化地闡述了筆者在人工神經網路方面的最新研究成果，既給讀者提供了神經網路研究中的新方向、新思路、新視角，又給出了一個相對全面的介紹，可供相關領域研究人員、教師、學生參考。
目錄
第1章 人工神經網路概述
1.1 神經網路的基本概念
1.1.1 什麼是人工神經網路
1.1.2 人工神經網路的生物學基礎
1.1.3 人工神經元模型
1.1.4 人工神經網路模型
1.1.5 神經網路學習算法
1.2 神經網路發展簡史
1.3 神經網路套用
1.3.1 模式識別
1.3.2 自動控制
1.3.3 信號處理
1.3.4 人工智慧
參考文獻
第2章 傳統神經網路及學習算法
2.1 感知器
2.1.1 簡單單層感知器網路
2.1.2 單層感知器神經網路
2.1.3 單層感知器的有教師學習算法
2.1.4 單層感知器網路的局限性
2.2 徑向基網路
2.3 Hopfield神經網路
2.4 誤差回傳(BP)神經網路
2.5 MATLAB神經網路工具箱
參考文獻
第3章 BP神經網路
3.1 BP神經網路的發展
3.2 BP神經元及神經網路模型
3.3 BP神經網路學習算法
3.3.1 信號的正向傳遞
3.3.2 BP學習算法的誤差反向傳播與權值閾值更新增量
3.3.3 網路權值閾值更新公式
3.4 BP神經網路的局限
3.4.1 局部極小點
3.4.2 學習/收斂速度慢
3.4.3 網路結構難以確定
3.5 標準BP算法的改進
3.5.1 增加動量項的BP學習算法
3.5.2 可變學習率的BP算法
3.5.3 彈性BP學習算法
3.5.4 共軛梯度法改進
3.5.5 Levenber9―Marquardt算法
3.6 計算機簡單示例
參考文獻
第4章 權值直接確定法
4.1 相關數學基礎
4.1.1 最佳逼近理論
4.1.2 多元多項式的逼近理論
4.1.3 矩陣偽逆與線性方程組求解
4.2 冪激勵前向神經網路
4.2.1 網路模型與理論基礎
4.2.2 基於BP算法的疊代公式
4.2.3 權值直接確定公式
4.2.4 計算機仿真實例
4.2.5 小結與思考
參考文獻
附錄
第5章 權值可直接確定的神經網路模型（一）
第6章 權值可直接確定的神經網路模型（二）
第7章 權值可直接確定的其他神經網路模型
第8章 神經網路結構自確定
第9章 基於值直接確定法的網路結構自確定算法
第10章 多輸入神經網路權值與結構確定
